Título
[pt] SEGMENTAÇÃO SEMÂNTICA DE ÁREAS DE DESMATAMENTO NA AMAZÔNIA A PARTIR DE IMAGENS ORBITAIS
Título
[en] SEMANTIC SEGMENTATION IN DEFORESTATION AREAS
Autor
[pt] THIAGO MATHEUS BRUNO DA SILVA
Vocabulário
[pt] REDE NEURAL
Vocabulário
[pt] APRENDIZADO MULTITAREFA
Vocabulário
[pt] SEGMENTACAO SEMANTICA
Vocabulário
[pt] APRENDIZADO PROFUNDO
Vocabulário
[pt] DESMATAMENTO
Vocabulário
[pt] AMAZONIA
Vocabulário
[en] NEURAL NETWORKS
Vocabulário
[en] MULTITASKING LEARNING
Vocabulário
[en] PIXEL-WISE SEMANTIC SEGMENTATION
Vocabulário
[en] DEEP LEARNING
Vocabulário
[en] DEFORESTATION
Vocabulário
[en] AMAZON
Resumo
[pt] Desmatamento é sem dúvida um enorme problema que afeta diretamente alguns desastres climáticos
como a redução de biodiversidade, mudanças climáticas, entre outros. Portanto, é de tremenda
importância detectar desmatamento recente. Motivado por este problema, este trabalho
propõe um novo método para detecção automática de desmatamento baseado em segmentação semântica,
utilizando a rede multitarefa ResUnet-a com uma nova tarefa semi-supervisionada baseado
no algoritmo de Change Vector Analysis (CVA). O objetivo deste trabalho é estudar a contribuição
do CVA no nosso problema de detecção de mudanças e comparar sua relevância com as outras tarefas.
ALém disso, queremos observar as diferenças escolhas de threshold para o CVA usadas no
treinamentoe seu impacto na tarefa principal de segmentação semântica. O método foi avaliado na
Amazônia Legal, no Brasil. Nos nossos experimentos foram usados duas imagens do satélite Landsat
8, adquiridas em 2018 e 2019 as quais foram concatenadas na entrada da rede neural.
Resumo
[en] Deforestation is of no doubt an hugely important problem, which affects directly some destructive
phenomena such as biodiversity reduction, climate change among other destructive phenomena.
Therefore, is of tremendously importance to detect early deforestation. Motivated by this
problem, this work proposes an new method for automatic deforestation detection, based on semantic
segmentation, using ResUnet-a multitasking with a new Semi-Supervised Change vector analysis
(CVA) task. The objective of this work is to study the contribution of CVA to our change detection
problem and compare its relevance with the other tasks. Besides, we want observe the different
choices of threshold used on the whole training and its impact on final main segmentation task. The
method was evaluated in a region of the Brazilian Legal Amazon. In our experiments were used two
images of Landsat 8 acquired in 2018 and 2019 which were concatenated on the input.
Orientador(es)
RAUL QUEIROZ FEITOSA
Coorientador(es)
MABEL XIMENA ORTEGA ADARME
Catalogação
2021-12-13
Tipo
[pt] TEXTO
Formato
application/pdf
Idioma(s)
PORTUGUÊS
Referência [pt]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56551@1
Referência [en]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=56551@2
Referência DOI
https://doi.org/10.17771/PUCRio.acad.56551
Arquivos do conteúdo
NA ÍNTEGRA PDF